全网刷屏的Sora有多“可怕”

<正>Sora的世界模型,已经能帮助它还原一辆越野车在山区小路上的行驶情况,在视频中添加逼近真实的倾斜和颠簸感。2月16日凌晨,在没有任何预兆和消息透露的情况下,OpenAI突然发布了自己的首个文生视频模型：Sora,大幅刷新行业多个指标,重新定义了AI文生视频在现阶段的技术极限,颠覆了生成式AI在视频领域的全球市场格局。     

Sora之后，我们如何拯救真相

<正>从工业化时代到互联网时代的无数次技术变革所带来的真假难辨现象,与今天的Sora短视频在本质上是一样的,不同的是随着技术的迭代与升级,鉴别真假的难度越来越高。2月15日,美国人工智能研究公司OpenAI发布人工智能文生视频大模型Sora,该模型可深度模拟真实的物理世界,并生成包含多个角色及特定运动的复杂场景。目前,根据用户的文本提示,Sora可以创建长达60秒的逼真视频,     

AI绘画 “小秘密”都在这里

<正>上传一张图片，或者输入一些简单的关键词，系统就能自动生成一张卡通图像……最近一段时间，AI绘画开始在互联网社交平台走红。有了AI，人人都可以是艺术家。AI绘画的出现，恰如瑞士艺术家保罗·克利所言：“艺术不是再现可见，而是使不可见成为可见。”经过20年左右的发展，目前基于不同类型或者模态元素的AI绘画发展情况不尽相同，发展最久的是“以图生图”，再到近期火爆的“文+图”生图。当然，也有团队已经研发出由语音生成图像的技术。     

曾毅：人工智能的风险至少有两种可能

<正>公开信提到的“人工智能可能带来的人类灭绝风险”,该怎样看待？人工智能领域为何屡屡发出警告？人工智能与人类的边界应如何划定？一封“警惕AI”的公开信引发全球高度关注——国际AI领域非营利组织“人工智能安全中心”（Center for AI Safety）日前在其官网发布一封联名公开信,表达了对一些高级人工智能所带来严重风险的担忧。     

控制论对生成认知科学范式的影响

生成主义已然取代计算主义成为认知科学研究的主导范式,但是它的历史根源,特别是其控制论根源,往往在认知科学的历史分析中被忽略。然而,正是这一外在于认知科学的控制论根源最终导致了生成主义的诞生。生成主义统一了认知研究的两大科学传统,一个是外在于认知科学的控制论传统,一个是内在于认知科学的人工智能传统。认知科学的发展先后经历了认知主义、联结主义、具身动力主义和生成主义。相应地,控制论的发展也经历了一阶控制论、阿什比控制论、二阶控制论和认知生物学,人工智能领域的发展也同样经历了老式的AI(即Good Old-Fashioned AI,GOFAI)、联结主义AI、具身-嵌入AI(embodied-embedded AI,EEAI)和生成AI(enactive AI)。梳理控制论传统和AI传统的发展脉络,挖掘生成主义的控制论根源,以便更好地理解生成主义的理论基础和方法论基础。     

通用人工智能的数学基础初探

通用人工智能(AGI)的数学基础,是计算机科学和神经科学这两种途径之外的第三种研究途径或方法,其核心是区分计算机的算术范式与学习机的统计范式乃至理解机的几何范式以及贯穿三者的逻辑范式,三类机器之间实现不同数学范式的相互映射和相互转换。其目的是探寻AGI的数学基础,这是智能机自动编程和理解各类模式的关键。如果通用学习机是AGI的基石,那么通用理解机则是理解毕达哥拉斯、康德和哥德尔等深刻哲思的关键。其意义在于:明确了探讨三类机器的统一数学原理的问题与探寻AGI的数学基础之间的关系,同时明确和验证了人工智能和计算机科学之间的关系。     

在乌镇峰会听他们讲述AI公益故事

<正>“人工智能技术并不只属于大城市,也为城镇和乡村带来了新的发展机遇,为更多乡村女性、残疾人等弱势群体提供了新的选择。”“人工智能技术并不只属于大城市,也为城镇和乡村带来了新的发展机遇,为更多乡村女性、残疾人等弱势群体提供了新的选择。”这是“90后”陕北女孩李阿倩在2023年世界互联网大会乌镇峰会人工智能赋能产业发展论坛上的一段演讲。三年前还对人工智能AI一无所知的李阿倩怎么也不会想到,如今她会成为一名专业的AI数据标注师,并且能来到乌镇峰会讲述她的故事。     

e-Motion多视频源课件生成器

e-Motion多视频源课件生成器是利用国家“十五”攻关成果——“e-Motion多媒体创作平台”开发的教学与会议应用系统,提供了多媒体授课、实时录制讲者的音频和视频、后期编辑、画面与视频自动合成、生成索引、合成流媒体格式的网络视频课件、发布和打包、远程制作等功能,操作简单,可用于网络视频教学课件和会议制作,采用多视频源方式（包括USB摄像系统、网络摄像系统等）,可以同时连接多台摄像机,适应不同应用场合。     

人工智能巨风险研究：形成机制、路径及未来治理

在西方社会风险相关理论的基础上，提出“人工智能巨风险(AI巨风险)”概念，认为在关注AI伦理及散发风险等问题的基础上，应对人工智能应用与传播过程中所可能引发的大范围、高强度、规模化社会风险问题给予足够关注，即人工智能在应用与传播过程中所引发的“巨风险”。主要类型如机器自涉式AI巨风险、社会系统侵入式AI巨风险、非对称破坏式AI巨风险等。“AI巨风险”的形成往往是多个密相关因素的共振式耦合作用，如技术能力强度、技术稳健度、技术应用向度、社会粘合度、政治/社会对抗强度、社会心理因素等。为防止AI所可能带来的大范围危害、遏制AI巨风险的形成，应积极构建“机器风险学”,从学理层面更深入分析AI巨风险形成的动力学机制，并在未来的社会治理实践中，坚持预防治理原则、技治管理原则、强约束原则、备份原则、协商原则。     

AI人才抢夺战 年初疯狂，年末彷徨

<正>AI创业火热,但技术型创业,产品要研发、落地要试错,诸多不确定性里,人才成了定价和交易的砝码,也是现阶段的大模型之争里最重要的因素。时间来到ChatGPT引发中国AI热潮的第十个月。每位熟知国内AI格局的投资人和猎头,脑海中已经有了一幅人才版图,如果你有机会和他们喝上一杯,畅快地聊聊天,大概会有这样的对话：“头条的张前川去哪里了?”     

AI百人榜罕见中国大佬 “千模大战”打了个寂寞？

<正>《时代》周刊不是只参考入选者对AI的历史贡献,也会考虑对未来的影响。在AI浪潮席卷全球、相关产业蓬勃发展之际,《时代》周刊在美国当地时间9月7日发布了首份“全球百大AI人物”榜单。在这份榜单里,我们可以看到很多熟悉的面孔,比如openAI的两位联合创始人、英伟达CEO黄仁勋、百度创始人李彦宏以及马斯克。《时代》周刊同时公布了自己的评选标准和榜单分类原则,但外界还是不乏质疑声,比如企业家、科学家、意见领袖的入选比例,以及部分争议人选。     

“未来主义者”李彦宏 亲身上阵担当AI“布道师”

<正>在《时代》首次发布的全球百大AI人物中,百度CEO李彦宏获得的评价是：中国最杰出的未来主义者。在《时代》首次发布的全球百大AI人物中,百度CEO李彦宏获得的评价是：中国最杰出的未来主义者。这种“最杰出”,指的当然是他本人,但多少也有点他本人正在领导的组织。毕竟还是在这份榜单中,还有吴恩达、Anthropic的联合创始人兼CEO Dario Amodei等AI大牛,而李彦宏,是他们共同的前老板。     

AI语音技术,行善还是作恶

<正>AI语音技术是AI的一个分支,随着AI技术的发展,AI语音技术也在突飞猛进换代升级。现在,科大讯飞、搜狗等科技公司相继发布了语音合成技术的应用。通过AI手段,用户可以一秒变声为社会名人或者其他想要模仿的声音。AI的这种音色迁移技术可称为变声技术,可以将任何人的声音转换成特定人的声音(Any-to-One)。与国内的IT公司比较起来,搜狗公司的AI变声功能已经达到实用的阶     

从ChatGPT到Sora发展中的术语问题

在从ChatGPT到Sora的发展过程中,出现了不少新术语。这些术语,有的被翻译为中文,有的一直使用英文原文。文章在分析这些新术语的相关技术、概念的基础上,探讨如何为其翻译或者赋予适当的中文名称。并指出大量科技新术语不能够及时、高效地被本土化,这对我国的术语规范化工作提出了新的挑战,期望学界共同关注这一问题。     

李开复：中美人工智能竞争不是零和博弈

<正>“人工智能（Artificial intelligence,AI）研究的是如何通过智能软件和硬件,来完成通常需要人类智能才能完成的任务。AI是对人类学习过程的阐释,对人类思维过程的量化,对人类行为的澄清,以及对人类智能边界的探索。这是人类认识自己的‘最后一公里’,我期盼能够投入这项崭新的、前景可期的计算机科学领域。”     

推出昇腾910后华为下一步的挑战是什么

<正>8月23日,华为在深圳坂田基地正式商用发布了最新款AI芯片"昇腾910",与之配套的全场景AI计算框架Mind Spore也同时亮相。在预告了10个月之后,"昇腾910"终于正式亮相。8月23日,华为在深圳坂田基地正式商用发布了最新款AI芯片"昇腾910",与之配套的全场景AI计算框架Mind Spore也同时亮相。     

目标—工具—产业链三维框架下人工智能政策研究

从政策目标、政策工具和产业链三个维度构建了AI政策分析框架,以我国地方政府颁布的30份AI政策为样本,采用内容分析法进行定量分析。研究发现:各省市AI政策目标的制定紧密结合国家层面政策方针;在政策工具使用方面主要采用供给面政策,其次是环境面政策,需求面政策则较少采用;各省市围绕AI产业链进行布局,但是存在较大的同质性。本文分别就三者之间进行二维分析,就AI人才引进与培养、环境面政策供给及产业链布局提出了相关建议。     

AI可分析预测人一年内死亡风险

<正>美国科学家的一项新研究称,人工智能(AI)可以通过查看某人的心脏测试结果,预测其一年之内死亡的风险——即便医生认为他们正常。但AI如何拥有这项"特异功能"仍是未解之谜。在此研究中,医疗保健服务提供商盖辛格公司的布兰登·佛恩沃尔特及同事让AI检查了约40万人的177万例心电图(ECG),以预测未来一年内谁的死亡风险更高。为了做到这一点,该团队训练了两种版本的AI:一种AI仅被"喂     

问题与算法——从发现的逻辑看人工智能的局限

提出问题并解决问题是科学发现和知识发展的关键,而目前关于人工智能与人的认知的关系的研究较少去探究两者在“提问”和问题应对方面的差异,因此有必要探讨“问题”与“算法”的联系。从科学问题的形成、应对直到形成理论的过程等来看,AI难以提出创造性的科学问题,而科学问题也难以单纯用算法解决。主要依据是：一些重要科学发现过程中存在假设“先于”观察的现象,以及问题形成和认知跃迁往往是非归纳、非算法的过程等等。因此,在科学发现的能力方面,基于算法的AI可能具有较大的局限。     

论制度与学科制度的生成

从制度发生学的角度来看,学科制度有两种生成途径:一是“理性建构论”;二是“自发生成论”。两种途径都提供了一种学科制度发生的动力学理由。只是它们两者都不能单独承担起学科制度生成的任务,事实上,学科制度的生成是两者共同作用的结果。